基于CPLD的服務機器人視覺系統(tǒng)軟硬件設計

　　2.2 閾值確定和色彩判斷

　　在確定閾值時，首先通過采集樣本進行訓練，從而得到預定的幾種顏色在YUV空間的分量的上下閾值，如圖2所示。

　　當一個待判定的像素在色彩空間中的位置落在這個長方體中時，就認為該像素屬于要找的顏色，從而完成對圖像顏色的識別。在Y空間中，Y值表示亮度，因它的變化很大，所以只考慮了U和V的值，在進行顏色判斷時，首先分別建立U、V的閾值向量。

　　由于在系統(tǒng)中圖像傳感器的數(shù)字信號是8位，即1Byte，共255Byte，系統(tǒng)最多能判定8種顏色。在顏色識別后進行圖像分割，在圖像分割中采用了種子填充算法，其整個種子的填充是和像素點的顏色同時進行的，一開始不是對所有的像素進行處理，而是分塊進行的，本系統(tǒng)采用的塊是32×24像素，這樣計算量大大減小。當中心點是所要識別的顏色時，就以這個點為種子向四周擴散，并判定周圍像素點的顏色，直到填滿整個塊。在這過程中，同時對目標進行形狀識別。本系統(tǒng)采用了基于全局的特征向量的識別算法來進行識別。同時也為構建雅可比矩陣得到需要的矩特征量。圖3為圖像識別分割流程圖。

　　

2.3 視覺跟蹤軟件原理

　　當目標物體被識別以后，視覺系統(tǒng)將調(diào)整鏡頭使目標位于視野的中心。一旦物體運動，視覺系統(tǒng)將進行對目標物體的跟蹤。

　　在機器人視覺跟蹤系統(tǒng)上，采用無定標的視覺跟蹤系統(tǒng)。無定標的視覺跟蹤不需要事先對攝像鏡頭進行定標，而是應用自適應控制方面的原理，在線的實時調(diào)整圖像雅可比矩陣。通過二維的圖像特征信息反饋，這種方式對攝像機模型誤差和機器人模型誤差、圖像誤差、圖像噪聲不敏感。基于圖像跟蹤的視覺跟蹤控制系統(tǒng)，如圖4.

　　控制量c為機器人頭部的控制系統(tǒng)。首先把目標放在機器人視野的前方采集到期望的圖像，從期望圖像中抽取期望的特征集，作為視野跟蹤控制系統(tǒng)的期望輸入，從而完成任務需要的視野特征集定義。在實時控制系統(tǒng)中，由機器人的圖像傳感器獲取實時采樣圖像，從中獲取實時特征集，這樣構成一個視野反饋，引導機器人完成跟蹤任務。區(qū)別于圖像的簡單幾何特征，本系統(tǒng)選用的視覺特征集為全局的圖像描述-圖像矩。

　　根據(jù)矩特征變化量與相對位姿變化量之間的關系矩陣，即圖像雅可比矩陣，然后利用推導的圖像雅可比矩陣，設計了視覺跟蹤控制器，完成系統(tǒng)對3D目標物體的平動跟蹤。

　　3 實驗結果

　　圖5為DSP為clkout腳輸出波形，表明DSP的內(nèi)部時鐘電路工作正常。圖6的圖像傳感器輸出數(shù)據(jù)波形證明了圖像傳感器工作正常。圖7的DSP采集到的圖像數(shù)據(jù)，可以確定整個圖像采集硬件電路工作正常。

　　4 結 論

　　針對服務機器人的視覺系統(tǒng)，本文通過構建它的硬件系統(tǒng)和軟件系統(tǒng)完成了整個系統(tǒng)的設計。在硬件系統(tǒng)上，采用了CMOS圖像傳感器，CPLD時序控制，異步動態(tài)FIFO的數(shù)據(jù)緩存，以及高速DSP處理器構成了一個典型的圖像采集系統(tǒng)，并調(diào)試輸出了圖像信號。在軟件設計上，采用了足球機器人的彩色識別和彩色分割識別技術去完成視覺系統(tǒng)快速準確的識別，采用基于動態(tài)的工作方式以及采用基于圖像的雅可比矩陣的控制原理，去實現(xiàn)自適應補償跟蹤控制系統(tǒng)。